History

leestott d92db5689a 🌐 Update translations via Co-op Translator		2025-11-18 19:45:55 +00:00
..
etc	🌐 Update translations via Co-op Translator	2025-08-24 22:28:16 +00:00
examples	🌐 Update translations via Co-op Translator	2025-10-03 11:56:00 +00:00
lessons	🌐 Update translations via Co-op Translator	2025-10-03 19:00:30 +00:00
AGENTS.md	🌐 Update translations via Co-op Translator	2025-10-03 09:55:40 +00:00
README.md	🌐 Update translations via Co-op Translator	2025-11-18 19:45:55 +00:00
SECURITY.md	🌐 Update translations via Co-op Translator	2025-08-24 22:28:16 +00:00
troubleshoot.md	🌐 Update translations via Co-op Translator	2025-10-03 09:55:40 +00:00

README.md

人工智能入門課程 - 一個完整的課程


人工智能入門 - 手繪筆記由 @girlie_mac

探索 人工智能 (AI) 的世界，透過我們為期 12 週、共 24 節課的課程！課程包括實用的教學、測驗和實驗室練習。這是一個適合初學者的課程，涵蓋了像 TensorFlow 和 PyTorch 這些工具，以及 AI 的倫理問題。

🌐 多語言支援

透過 GitHub Action 支援 (自動化且保持最新)

如果你希望支援更多語言，請參考這裡

加入社群

你將學到什麼

課程思維導圖

在這個課程中，你將學到：

不同的人工智能方法，包括「經典」的符號方法，使用 知識表示 和推理 (GOFAI)。
神經網絡 和 深度學習，這是現代 AI 的核心。我們將使用兩個最受歡迎的框架 TensorFlow 和 PyTorch 的程式碼來說明這些重要主題的概念。
用於處理圖像和文本的 神經架構。我們將涵蓋一些近期的模型，但可能不包括最前沿的技術。
不太常見的 AI 方法，例如 遺傳算法 和 多代理系統。

我們不會在這個課程中涵蓋：

在 Microsoft Learn 的課程集合中找到所有額外資源

AI 在商業中的應用案例。建議參加 Introduction to AI for business users 或 AI Business School，這是與 INSEAD 合作開發的課程。
經典機器學習，這在我們的 Machine Learning for Beginners Curriculum 中有詳細描述。
使用 Cognitive Services 構建的實際 AI 應用。建議從 Microsoft Learn 的模組開始，例如 vision、natural language processing、Generative AI with Azure OpenAI Service 等。
特定的 ML 雲框架，例如 Azure Machine Learning、Microsoft Fabric 或 Azure Databricks。建議參考 Build and operate machine learning solutions with Azure Machine Learning 和 Build and Operate Machine Learning Solutions with Azure Databricks 的學習路徑。
對話式 AI 和 聊天機器人。有一個單獨的 Create conversational AI solutions 學習路徑，你也可以參考這篇部落格文章獲取更多細節。
深度學習的數學基礎。建議參考 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 所著的 Deep Learning，也可以在線上閱讀 https://www.deeplearningbook.org/。

如果想要輕鬆入門 AI 在雲端 的主題，可以考慮參加 Get started with artificial intelligence on Azure 學習路徑。

課程內容

	課程連結	PyTorch/Keras/TensorFlow	實驗室
0	課程設置	設置你的開發環境
I	AI 簡介
01	AI 的簡介與歷史	-	-
II	符號 AI
02	知識表示與專家系統	專家系統 / 本體論 /概念圖
III	神經網絡簡介
03	感知器	筆記本	實驗室
04	多層感知器及建立自己的框架	筆記本	實驗室
05	框架入門 (PyTorch/TensorFlow) 及過度擬合	PyTorch / Keras / TensorFlow	實驗室
IV	電腦視覺	PyTorch / TensorFlow	探索 Microsoft Azure 上的電腦視覺
06	電腦視覺入門. OpenCV	筆記本	實驗室
07	卷積神經網絡 & CNN 架構	PyTorch /TensorFlow	實驗室
08	預訓練網絡及遷移學習和訓練技巧	PyTorch / TensorFlow	實驗室
09	自編碼器及變分自編碼器 (VAEs)	PyTorch / TensorFlow
10	生成對抗網絡 (GANs) 及藝術風格轉移	PyTorch / TensorFlow
11	物件檢測	TensorFlow	實驗室
12	語義分割. U-Net	PyTorch / TensorFlow
V	自然語言處理	PyTorch /TensorFlow	探索 Microsoft Azure 上的自然語言處理
13	文本表示. Bow/TF-IDF	PyTorch / TensorFlow
14	語義詞嵌入. Word2Vec 和 GloVe	PyTorch / TensorFlow
15	語言建模. 訓練自己的嵌入	PyTorch / TensorFlow	實驗室
16	循環神經網絡 (RNN)	PyTorch / TensorFlow
17	生成循環網絡	PyTorch / TensorFlow	實驗室
18	Transformer. BERT.	PyTorch /TensorFlow
19	命名實體識別 (NER)	TensorFlow	實驗室
20	大型語言模型, 提示編程及少樣本任務	PyTorch
VI	其他 AI 技術
21	遺傳算法	筆記本
22	深度強化學習	PyTorch /TensorFlow	實驗室
23	多代理系統
VII	AI 倫理
24	AI 倫理及負責任的 AI	Microsoft Learn: 負責任的 AI 原則
IX	額外內容
25	多模態網絡, CLIP 和 VQGAN	筆記本

每課內容包括

預讀材料
可執行的 Jupyter 筆記本，通常針對特定框架 (PyTorch 或 TensorFlow)。可執行的筆記本包含大量理論材料，因此要理解主題，至少需要閱讀一個版本的筆記本 (PyTorch 或 TensorFlow)。
實驗室 可用於某些主題，讓你有機會將所學的材料應用於特定問題。
部分章節包含連結到 MS Learn 模組，涵蓋相關主題。